基于世界模型 MCTS 的持久性机器人场景记忆 3D 锚定前瞻规划

本文提出 3D 锚定前瞻规划（3D-ALP），一种结合蒙特卡洛树搜索（MCTS）与 3D 一致性世界模型的机器人操作系统 2 推理引擎。不同于仅评估当前帧的反应式策略，3D-ALP 维持持久的相机到世界锚点以应对遮挡，实现对不可见物体的精准重规划。实验显示，在需空间记忆的五步序列任务中，其成功率显著优于贪婪基线。消融研究证实树搜索空间记忆是性能提升的主因，同时解决了将 UCT-MCTS 应用于连续机器人操控时的四种结构性失败模式。